CN110646194B - 一种换流阀冷却能力多维度分析预警方法及系统 - Google Patents

Abstract

本发明公开了一种换流阀冷却能力多维度分析预警方法及系统，涉及换流阀监测技术领域，系统包括预警单元、人机交互装置、中央处理器、数据采集模块；所述数据采集模块用于采集换流阀冷却系统的状态量，并通过数据采集接口传输到所述中央处理器，所述中央处理器用于评估所述状态量的冷却能力并将评估结果分别通过所述预先预警单元、所述第一预警单元、所述第二预警单元输出预警信号；所述人机交互装置用于输入用户指令和显示状态量监测值。方法从不同维度上建立冷却能力量化模型，形成冷却能力量化评估指标，建立多维度分析的换流站阀冷系统缺陷预警模型。

Description

一种换流阀冷却能力多维度分析预警方法及系统

技术领域

本发明涉及换流阀监测技术领域，具体涉及一种换流阀冷却能力多维度分析预警方法及系统。

背景技术

阀冷系统能够通过热量交换将换流阀上各元件功耗产生的热量排放到阀厅外，保证换流阀在正常温度范围运行。阀冷系统能否正常工作将影响整个高压直流输电系统(HVDC)的安全运行。目前阀冷却系统运行状态的的评估主要依赖于各类传感器、测量元器件所提供的监测数据信息，与阈值进行对比判断，以确定是否发出告警信息或根据逻辑设定来进行联动，但由于设备运行环境和工况的差异性，目前相关运行规范设定的阈值在异常诊断方面具有一定的局限性，且受负荷、温度、阀冷系统组件缺陷等因素的影响，换流站阀冷系统的异常有时被掩盖在正常监控信号的波动中而难以识别；同时，采用阈值或变化率的方法进行缺陷诊断，算法逻辑单一，人工智能应用不充分，在换流站高温高负荷运行的极端工况下，阀冷系统的冷却能力是否充裕难以量化评估。

发明内容

针对现有技术中的不足，本发明提供一种换流阀冷却能力多维度分析预警方法及系统，从不同维度上建立冷却能力储备量化模型，形成冷却能力储备量化评估指标。

为实现上述目的，本发明提供一种换流阀冷却能力多维度分析预警方法，其包括以下步骤：

步骤1：获取换流阀冷却系统的状态量监测值；

步骤2：根据获取的状态量监测值，建立关键状态量的冷却能力储备量化模型，通过关键状态量监测值判断阀冷系统冷却能力是否足够，若不足，输出预警信号；若足够，则执行步骤3；

步骤3：根据获取的状态量监测值，建立冷却塔风机和主循环泵冷却能力裕度量化模型，将关键状态量的冷却能力储备量化模型和冷却塔风机和主循环泵冷却能力裕度量化模型作为评估指标，利用熵值法确定不同评估指标的权重，综合评估换流阀冷却系统冷却能力储备。

如上所述的换流阀冷却能力多维度分析预警方法，进一步地，在步骤1中：所述换流阀冷却系统包括内冷水系统、主循环泵、膨胀水箱、冷却塔、外冷水系统、运行环境；

所述换流阀冷却系统的状态量包括：

内冷水系统的入水温度、出水温度、进阀压力、内冷水电导率；

主循环泵的运行功率、内冷水流量、出水压力；

膨胀水箱的水位；

冷却塔的风机功率；

外冷水系统的外冷水水池水位和外冷水电导率；

运行环境的阀厅温度和阀厅湿度。

其中，所述关键状态量包括内冷水系统的入水温度、膨胀水箱的水位和内冷水电导率。

如上所述的换流阀冷却能力多维度分析预警方法，进一步地，在步骤2中：关键状态量的冷却能力储备量化模型为：

P_c＝1-P_x/P_e

式中：中P_储c备为换流阀冷却能力储备，P_x为换流阀冷却负载，P_e定值为冷却系统额定冷却容量；

通过关键状态量监测值判断阀冷系统冷却能力为：当关键状态量的监测值超过监测阈值，或，关键状态量的变化率超过变化率阈值，则阀冷系统冷却能力判断为不足；反之，则阀冷系统冷却能力判断为足够。

如上所述的换流阀冷却能力多维度分析预警方法，进一步地，在步骤3中：

冷却塔风机冷却能力裕度量化模型为：

式中：

L为直流运行功率，L_max为最大运行功率，T_tep为当前环境温度，T_tep-max为最大环境温度，u₁,...u_n表示n台风机运行状态，取值为0或者1，P_e1,...P_en表示n台风机额定功率，P_e为所有风机额定功率之和，P₁,...P_n表示n台风机运行功率，运行功率为0时，表示风机未投运；

主循环泵冷却能力裕度量化模型为：

式中：

L为直流运行功率，L_max为最大运行功率，T_tep为当前环境温度，T_tep-max为最大环境温度，v₁,...v_n表示n台水泵运行状态，取值为0或者1，P_Be1,...P_Ben表示n台水泵额定功率，P_Be为所有水泵额定功率之和，P_B1,...P_Bn表示n台水泵运行功率，运行功率为0时，表示水泵未投运；

综合评估换流阀冷却系统冷却能力储备：

y＝w₁×y₁+...+w_k×y_k

式中，y₁…y_k为各个评估指标计算结果，w₁…w_k为不同评估指标的权重，k为冷却能力储备评估指标标识；

利用熵值法确定不同评估指标的权重：

第j个冷却能力储备评估量下z时刻监测数据所占比重为：

式中：l表示不同时刻阀冷系统监测状态量的样本数量，y_zj为储备容量评估结果值，y'_zj为第j个冷却能力储备评估量下z时刻监测数据所占比重；

第j个特征参数的熵权E_j可表示为：

指标j权重为：

不同评估指标的权重为：W＝[w₁,w₂,...w_k]。

如上所述的换流阀冷却能力多维度分析预警方法，进一步地，在步骤1和步骤2之间还包括：当以下三种判据的任一或以上判定为异常时，通过所述预先预警单元输出预警信号；

判据一：当不同阀组的运行功率和入水温度之间的相关性小于相关性阈值δ₁，或，当不同阀组之间的入水温度差值的绝对值大于差值阈值δ₂，则入水温度判断为异常；

判据二：当膨胀水箱的双极水位偏差的绝对值大于水位差阈值δ₃，则膨胀水箱的水位判断为异常；

判据三：当内冷水导电率的相邻时刻的监测值的差值累加之和大于累加和阈值δ₄，或，当内冷水导电率当前时刻值与内冷水导电率的均值之差的绝对值大于内冷水导电率的标准差σ的常数倍，则内冷水导电率异常。

一种换流阀冷却能力多维度分析预警系统，其包括：人机交互装置、中央处理器、数据采集模块，所述中央处理器包括第一评估处理模块和第二评估处理模块；

所述数据采集模块用于获取换流阀冷却系统的状态量监测值，并通过数据采集接口传输到所述中央处理器；

所述第一评估处理模块用于根据获取的状态量监测值，建立关键状态量的冷却能力储备量化模型，通过关键状态量监测值判断阀冷系统冷却能力，若阀冷系统冷却能力足够，则将关键状态量的冷却能力储备量化模型计算获得的数据传输到第二评估处理模块，若阀冷系统冷却能力不足，则通过所述人机交互装置输出预警信号；

所述第二评估处理模块用于根据获取的状态量监测值，建立冷却塔风机和主循环泵冷却能力裕度量化模型；根据接收到的关键状态量的冷却能力储备量化模型计算获得的数据，结合冷却塔风机和主循环泵冷却能力裕度量化模型计算获得的数据，综合评估换流阀冷却系统冷却能力储备；

所述人机交互装置用于显示所述中央处理器处理后的综合评估结果以及输出相应的预警信号。

如上所述的换流阀冷却能力多维度分析预警系统，进一步地，所述换流阀冷却系统包括内冷水系统、主循环泵、膨胀水箱、冷却塔、外冷水系统、运行环境；所述换流阀冷却系统的状态量包括：

内冷水系统的的入水温度、出水温度、进阀压力、内冷水电导率；

主循环泵的运行功率、内冷水流量、出水压力；

膨胀水箱的水位；

冷却塔的风机功率；

外冷水系统的外冷水水池水位和外冷水电导率；

运行环境的阀厅温度和阀厅湿度；

其中，所述关键状态量包括内冷水系统的入水温度、膨胀水箱的水位和内冷水电导率。

如上所述的换流阀冷却能力多维度分析预警系统，进一步地，关键状态量的冷却能力储备量化模型为：

P_c＝1-P_x/P_e

式中：中P_c为换流阀冷却能力储备，P_x为换流阀冷却负载，P_e定值为冷却系统额定冷却容量；

通过关键状态量监测值判断阀冷系统冷却能力为：当关键状态量的监测值超过监测阈值，或，关键状态量的变化率超过变化率阈值，则阀冷系统冷却能力判断为不足；反之，则阀冷系统冷却能力判断为足够。

如上所述的换流阀冷却能力多维度分析预警系统，进一步地，冷却塔风机冷却能力裕度量化模型为：

式中：

L为直流运行功率，L_max为最大运行功率，T_tep为当前环境温度，T_tep-max为最大环境温度，u₁,...u_n表示n台风机运行状态，取值为0或者1，P_e1,...P_en表示n台风机额定功率，P_e为所有风机额定功率之和，P₁,...P_n表示n台风机运行功率，运行功率为0时，表示风机未投运；

主循环泵冷却能力裕度量化模型为：

式中：

L为直流运行功率，L_max为最大运行功率，T_tep为当前环境温度，T_tep-max为最大环境温度，v₁,...v_n表示n台水泵运行状态，取值为0或者1，P_Be1,...P_Ben表示n台水泵额定功率，P_Be为所有水泵额定功率之和，P_B1,...P_Bn表示n台水泵运行功率，运行功率为0时，表示水泵未投运；

综合评估换流阀冷却系统冷却能力：

y＝w₁×y₁+...+w_k×y_k

式中，y₁…y_k为各个评估指标计算结果，w₁…w_k为不同评估指标的权重，k为冷却能力储备评估指标标识。

利用熵值法确定不同评估指标的权重：

第j个冷却能力储备评估量下z时刻监测数据所占比重为：

式中：l表示不同时刻阀冷系统监测状态量的样本数量，y_zj为储备容量评估结果值，y'_zj为第j个冷却能力储备评估量下z时刻监测数据所占比重；

第j个特征参数的熵权E_j可表示为：

指标j权重为：

不同评估指标的权重为：W＝[w₁,w₂,...w_k]。

如上所述的换流阀冷却能力多维度分析预警系统，进一步地，所述中央处理器还包括有预先评估处理模块，所述预先评估处理模块用于接收获取的状态量监测值，根据以下判据判断关键状态量是否出现异常，当以下三种判据的任一或以上判定为异常时，通过人机交互装置输出预先预警信号；

判据一：当不同阀组的运行功率和入水温度之间的相关性小于相关性阈值δ₁，或，当不同阀组之间的入水温度差值的绝对值大于差值阈值δ₂，则入水温度判断为异常；

判据二：当膨胀水箱的双极水位偏差的绝对值大于水位差阈值δ₃，则膨胀水箱的水位判断为异常；

判据三：当内冷水导电率的相邻时刻的监测值的差值累加之和大于累加和阈值δ₄，或，当内冷水导电率当前时刻值与内冷水导电率的均值之差的绝对值大于内冷水导电率的标准差σ的常数倍，则内冷水导电率异常。

本发明与现有技术相比，其有益效果在于：

1、从不同维度上建立冷却能力量化模型，形成冷却能力量化评估指标，提供了一种阀冷系统冷却能力评估方法。

2、利用多源数据时序趋势分析和多源横向对比分析算法，建立多维度分析的换流站阀冷系统缺陷预警模型，识别正常监控信号波动中的异常，降低了算法的复杂性。

3、通过换流阀冷却能力的综合评估，为极端工况下冷却能力是否充裕提供依据。

附图说明

图1为本发明换流阀冷却能力多维度分析预警系统的原理图；

图2为本发明换流阀冷却能力多维度分析预警方法的两层信息架构流程图；

图3为本发明换流阀冷却能力多维度分析预警方法的流程图。

其中：2、人机交互装置、3、中央处理器；31、预先评估处理模块；32、第一评估处理模块；33、第二评估处理模块；41、内冷水系统采集模块；42、主循环泵采集模块；43、膨胀水箱水位采集模块；44、冷却塔风机功率采集模块；45、外冷水系统采集模块；46、运行环境采集模块；5、数据采集接口。

具体实施方式

下面结合附图和具体实施方式对本发明的内容做进一步详细说明。

实施例：

需要说明的是，换流阀冷却系统也称为阀冷系统，本实施例采用某换流站2018年8月的监测和运维数据进行分析，数据类型包括阀冷系统入水温度、出水温度、电导率、水流量、膨胀水箱水位、外冷水水池水位、阀厅温度、风机运行功率、主循环泵运行功率。

参见图2和图3，一种换流阀冷却能力多维度分析预警方法，包括

表1

步骤1：获取换流阀冷却系统的状态量监测值，进一步地，所述换流阀冷却系统包括内冷水系统、主循环泵、膨胀水箱、冷却塔、外冷水系统、运行环境。其中，获取的换流阀冷却系统的状态量如表1所示。

当以下三种判据的任一或以上判定为异常时，输出预先预警信号：

判据一：当不同阀组的运行功率和入水温度之间的相关性小于相关性阈值δ₁，即dcor₁(x_j,x_i)＜δ₁，或，当不同阀组之间的入水温度差值的绝对值大于差值阈值δ₂，即|x_j1-x_j2|＞δ₂，则入水温度判断为异常。

判据二：当膨胀水箱的双极水位偏差的绝对值大于水位差阈值δ₃，则膨胀水箱的水位判断为异常。具体地，令双极水位偏差ΔW＝|W₁-W₂|，其中W₁和W₂为极1和极2对应的标准温度水位，当t时刻和t-1时刻的双极水位差|ΔW_t-ΔW_t-1|＞δ₃时，膨胀水箱水位相比上一时间段改变较大，水位异常，则某一级出现漏水情况。

判据三：当内冷水导电率的相邻时刻的监测值的差值累加之和大于累加和阈值δ₄，即

或，当内冷水导电率当前时刻值与内冷水导电率的均值之差的绝对值大于内冷水导电率的标准差σ的常数倍，即

则内冷水导电率异常。

基于判据一，本实施例中δ₁＝0.85，δ₂＝0.1，经计算，同阀组运行功率和入水温度间的相关系数大于0.85，双极之间入水温度差值小于0.1，各阀组之间变化趋势一致，入水温度无异常。

基于判据二，本实施例中δ₃＝5，膨胀水箱的双极水位偏差小于5，膨胀水箱的水位无异常。

基于判据三，本实施例基于换流站四组阀冷系统监测数据，分析内冷水导电率d变化趋势，在电导率未超定值时，计算趋势分析量化值

和四组阀冷系统电导率标准差，当

或

时，电导率序列数据存在异常。基于样本数据，趋势分析量化值

和四组阀冷系统电导率标准差如下表2所示。

表2

本实施例中累加和阈值δ₄＝0.05、常数a＝3，由表可知，电导率趋势量化值，即内冷水导电率的相邻时刻的监测值的差值累加之和均小于累加和阈值δ₄，内冷水导电率状态正常。分析电导率监测值与均值的差值，当监测值与均值的差值超出3倍标准差值时，内冷水导电率异常，计算四组阀冷系统电导率

结果均未超出3倍标准差，电导率指标无异常。

输出的预先预警信号仅作为预警参考，不影响后续步骤的阀冷系统冷却能力判断。

步骤2：根据获取的状态量监测值，建立关键状态量的冷却能力储备量化模型，通过关键状态量监测值判断阀冷系统冷却能力是否足够，若不足，输出预警信号；若足够，则执行步骤3；所述关键状态量包括内冷水系统的入水温度、膨胀水箱的水位和内冷水电导率。

进一步地，关键状态量的冷却能力储备量化模型为：

P_c＝1-P_x/P_e

式中：中P_c为换流阀冷却能力储备，P_x为换流阀冷却负载，P_e定值为冷却系统额定冷却容量。

进一步地，通过关键状态量监测值判断阀冷系统冷却能力为：当关键状态量的监测值超过监测阈值，或，关键状态量的变化率超过变化率阈值，则阀冷系统冷却能力判断为不足；反之，则阀冷系统冷却能力判断为足够，其中监测阈值和变化率阈值为经验值，或通过缺陷状态量的值聚类得到。

具体地，对于t时刻内冷水入水温度T_t，冷却能力储备量化模型为1-T_t/k₁，k₁为定值。当内冷水系统的入水温度的超过监测阈值，即T_t＞k₁，或，内冷水系统的入水温度的变化率超过变化率阈值，即(T_t-T_t-1)/T_t-1＞k₁₁，则阀冷系统冷却能力判断为不足；当内冷水系统的入水温度小于定值k₁，即1-T_t/k₁＞0，且(T_t-T_t-1)/T_t-1＜k₁₁时，则阀冷系统冷却能力判断为足够。

对于t时刻标准温度下膨胀水箱水位W_t，则冷却能力储备量化模型为1-k₂/W_t，k₂为定值。因此当标准温度下膨胀水箱水位小于定值k₂或水位变化率(W_t-1-W_t)/W_t-1＞k₂₁时，则阀冷系统冷却能力不足；当膨胀水箱水位大于定值k₂且(W_t-1-W_t)/W_t-1＜k₂₁时，则阀冷系统冷却能力判断为足够。其中，标准温度下膨胀水箱水位W_t的计算如公式所示：

式中，W_T为温度T下的膨胀水箱水位，α为热膨胀系数，

可通过历史数据计算得到。

对于t时刻的内冷水导电率d_t，冷却能力储备量化模型为1-d_t/k₃，k₃为定值。当电导率超定值k₃或变化率(d_t-d_t-1)/d_t-1＞k₃₁时，则阀冷系统冷却能力储备判断为不足；当电导率小于定值k₃且(d_t-d_t-1)/d_t-1＜k₃₁时，阀冷系统冷却能力判断为足够。

计算入水温度、膨胀水箱水位和内冷水电导率3个指标冷却能力储备，样本数据中入水温度、内冷水电导率、膨胀水箱水位的最大监测值分别为44.8℃、0.19μs/cm、65％。本实施例中入水温度、内冷水电导率、膨胀水箱水位的监测阈值分别为45℃、0.2μs/cm、45％，入水温度、内冷水电导率、膨胀水箱水位的变化率阈值为10％、60％、5％。选取样本数据极1高端阀冷系统运行监测样本数据中某日的6个时刻监测数据，入水温度、膨胀水箱水位、电导率3个指标均未超定值。

表3

对于t时刻内冷水入水温度T_t，冷却能力储备量化模型为1-T_t/k₁；对于t时刻标准温度下膨胀水箱水位W_t，则冷却能力储备量化模型为1-k₂/W_t；对于t时刻的导电率d_t，冷却能力储备量化模型为1-d_t/k₃。基于上述冷却能力储备量化模型实现冷却能力储备的量化的评估，入水温度、膨胀水箱水位、内冷水电导率指标的冷却能力量化结果，如上表3所示。

当阀冷系统冷却能力都判断为足够时，执行步骤3。

步骤3：根据获取的状态量监测值，建立冷却塔风机和主循环泵冷却能力裕度量化模型，将关键状态量的冷却能力储备量化模型和冷却塔风机和主循环泵冷却能力裕度量化模型作为评估指标，利用熵值法确定不同评估指标的权重，综合评估换流阀冷却系统冷却能力储备。

冷却塔风机冷却能力裕度量化模型为：

式中：

L为直流运行功率，L_max为最大运行功率，T_tep为当前环境温度，T_tep-max为最大环境温度，u₁,...u_n表示n台风机运行状态，取值为0或者1，P_e1,...P_en表示n台风机额定功率，P_e为所有风机额定功率之和，P₁,...P_n表示n台风机运行功率，运行功率为0时，表示风机未投运

主循环泵冷却能力裕度量化模型为：

式中：

L为直流运行功率，L_max为最大运行功率，T_tep为当前环境温度，T_tep-max为最大环境温度，v₁,...v_n表示n台水泵运行状态，取值为0或者1，P_Be1,...P_Ben表示n台水泵额定功率，P_Be为所有水泵额定功率之和，P_B1,...P_Bn表示n台水泵运行功率，运行功率为0时，表示水泵未投运。

表4

本实施例中，单套阀冷系统具有2台主循环泵，单台额定功率为75kW，每套阀冷系统配置3座冷却塔，每座冷却塔配置2台风机，单台风机额定功率为4kW。直流系统单极最大运行功率为2500MW，样本数据中阀厅温度最高为39℃。结合现场运维，风机和主循环泵无故障停运情况，根据获取的站极1高端阀冷系统运行监测数据，计算冷却能力储备，计算结果如上表4所示。

综合评估换流阀冷却系统冷却能力储备：

y＝w₁×y₁+...+w_k×y_k

式中，y₁…y_k为各个评估指标计算结果，w₁…w_k为不同评估指标的权重，k为冷却能力储备评估指标标识。

利用熵值法确定不同评估指标的权重：

第j个冷却能力储备评估量下z时刻监测数据所占比重为：

式中：l表示不同时刻阀冷系统监测状态量的样本数量，y_zj为储备容量评估结果值，y'_zj为第j个冷却能力储备评估量下z时刻监测数据所占比重

第j个特征参数的熵权E_j可表示为：

指标j权重为：

不同评估指标的权重为：W＝[w₁,w₂,...w_k]

本实施例中，利用熵权法计算入水温度、膨胀水箱水位、内冷水电导率、风机和主循环泵5个指标的冷却能力储备评估的权重，分别为0.2，0.15，0.2，0.26和0.19。则不同时间断面下阀冷系统的冷却能力如表5所示。

表5

本发明将换流阀冷却系统的冷却能力储备量化为区间为0至1的数值，冷却能力储备量的综合评估数值越高，其冷却能力储备量也越高，通过量化后的数值可评估与监控阀冷系统的冷却能力储备，避免出现异常。

参见图1，一种换流阀冷却能力多维度分析预警系统，其包括人机交互装置2、中央处理器3、数据采集模块，所述中央处理器3包括第一评估处理模块32和第二评估处理模块33；所述数据采集模块用于获取换流阀冷却系统的状态量监测值，并通过数据采集接口5传输到所述中央处理器3。所述第一评估处理模块32用于根据获取的状态量监测值，建立关键状态量的冷却能力储备量化模型，通过关键状态量监测值判断阀冷系统冷却能力，若阀冷系统冷却能力足够，则将关键状态量的冷却能力储备量化模型计算获得的数据传输到第二评估处理模块33，若阀冷系统冷却能力不足，则通过所述人机交互装置2输出预警信号。所述第二评估处理模块33用于根据获取的状态量监测值，建立冷却塔风机和主循环泵冷却能力裕度量化模型；根据接收到的关键状态量的冷却能力储备量化模型计算获得的数据，结合冷却塔风机和主循环泵冷却能力裕度量化模型计算获得的数据，综合评估换流阀冷却系统冷却能力储备。所述人机交互装置2用于显示所述中央处理器3处理后的综合评估结果以及输出相应的预警信号。

具体实施时，数据采集模块将采集的状态量监测值通过数据采集接口5传输到中央处理器3，中央处理器3的第一评估处理模块32和第二评估处理模块33用于分层评估换流阀冷却系统冷却能力储备，第一评估处理模块32先通过获取的状态量监测值判断阀冷系统冷却能力是否足够，若不足就通过人机交互装置2输出预警信号，若通过了第一层的监控，则将关键状态量的冷却能力储备量化模型计算获得的数据传输到第二评估处理模块33，开始第二层的评估，第二层评估则将接收到的关键状态量的冷却能力储备量化模型计算获得的数据，结合冷却塔风机和主循环泵冷却能力裕度量化模型计算获得的数据，综合评估换流阀冷却系统冷却能力储备，评估结果则上传至人机交互装置2显示。

进一步地，所述换流阀冷却系统包括内冷水系统、主循环泵、膨胀水箱、冷却塔、外冷水系统、运行环境；所述换流阀冷却系统的状态量包括：内冷水系统的的入水温度、出水温度、进阀压力、内冷水电导率；主循环泵的运行功率、内冷水流量、出水压力；膨胀水箱的水位；冷却塔的风机功率；外冷水系统的外冷水水池水位和外冷水电导率；运行环境的阀厅温度和阀厅湿度；其中，所述关键状态量包括内冷水系统的入水温度、膨胀水箱的水位和内冷水电导率。

本实施例中，数据采集模块用于检测及获取换流阀冷却系统的内冷水系统、主循环泵、膨胀水箱、外冷水系统、运行环境的的状态量数据，具体地，内冷水系统采集模块41包括入水温度传感器、出水温度传感器、进阀压力传感器、内冷水电导率测试仪；主循环泵采集模块42包括运行功率测量传感器、内冷水流量传感器、出水压力传感器，外冷水系统采集模块45包括外冷水水池水位传感器和外冷水电导率测试仪，运行环境采集模块46包括阀厅温度传感器和阀厅湿度传感器，除此之外，还有膨胀水箱水位采集模块43和冷却塔风机功率采集模块。

进一步地，关键状态量的冷却能力储备量化模型为：

P_c＝1-P_x/P_e

式中：中P_c为换流阀冷却能力储备，P_x为换流阀冷却负载，P_e定值为冷却系统额定冷却容量；

通过关键状态量监测值判断阀冷系统冷却能力为：当关键状态量的监测值超过监测阈值，或，关键状态量的变化率超过变化率阈值，则阀冷系统冷却能力判断为不足；反之，则阀冷系统冷却能力判断为足够。

进一步地，冷却塔风机冷却能力裕度量化模型为：

式中：

L为直流运行功率，L_max为最大运行功率，T_tep为当前环境温度，T_tep-max为最大环境温度，u₁,...u_n表示n台风机运行状态，取值为0或者1，P_e1,...P_en表示n台风机额定功率，P_e为所有风机额定功率之和，P₁,...P_n表示n台风机运行功率，运行功率为0时，表示风机未投运

主循环泵冷却能力裕度量化模型为：

式中：

L为直流运行功率，L_max为最大运行功率，T_tep为当前环境温度，T_tep-max为最大环境温度，v₁,...v_n表示n台水泵运行状态，取值为0或者1，P_Be1,...P_Ben表示n台水泵额定功率，P_Be为所有水泵额定功率之和，P_B1,...P_Bn表示n台水泵运行功率，运行功率为0时，表示水泵未投运。

综合评估换流阀冷却系统冷却能力储备：

y＝w₁×y₁+...+w_k×y_k

式中，y₁…y_k为各个评估指标计算结果，w₁…w_k为不同评估指标的权重，k为冷却能力储备评估指标标识。

利用熵值法确定不同评估指标的权重：

第j个冷却能力储备评估量下z时刻监测数据所占比重为：

式中：l表示不同时刻阀冷系统监测状态量的样本数量，y_zj为储备容量评估结果值，y'_zj为第j个冷却能力储备评估量下z时刻监测数据所占比重

第j个特征参数的熵权E_j可表示为：

指标j权重为：

不同评估指标的权重为：W＝[w₁,w₂,...w_k]

进一步地，所述中央处理器3还包括有预先评估处理模块31，所述预先评估处理模块31用于接收获取的状态量监测值，根据以下判据判断关键状态量是否出现异常，当以下三种判据的任一或以上判定为异常时，通过人机交互装置2输出预先预警信号；

判据一：当不同阀组的运行功率和入水温度之间的相关性小于相关性阈值δ₁，或，当不同阀组之间的入水温度差值的绝对值大于差值阈值δ₂，则入水温度判断为异常；

判据二：当膨胀水箱的双极水位偏差的绝对值大于水位差阈值δ₃，则膨胀水箱的水位判断为异常；

判据三：当内冷水导电率的相邻时刻的监测值的差值累加之和大于累加和阈值δ₄，或，当内冷水导电率当前时刻值与内冷水导电率的均值之差的绝对值大于内冷水导电率的标准差σ的常数倍，则内冷水导电率异常。

本实施例中，在两层评估的系统的基础上增加了一层预先评估，对关键状态量进行初步预警，提高换流阀冷却能力多维度分析预警系统的可靠性。

上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。

Claims (8)

1.一种换流阀冷却能力多维度分析预警方法，其特征在于，包括以下步骤：

步骤1：获取换流阀冷却系统的状态量监测值；

步骤2：根据获取的状态量监测值，建立关键状态量的冷却能力储备量化模型，通过关键状态量监测值判断阀冷系统冷却能力是否足够，若不足，输出预警信号；若足够，则执行步骤3；

步骤3：根据获取的状态量监测值，建立冷却塔风机和主循环泵冷却能力裕度量化模型，将关键状态量的冷却能力储备量化模型和冷却塔风机和主循环泵冷却能力裕度量化模型作为评估指标，利用熵值法确定不同评估指标的权重，综合评估换流阀冷却系统冷却能力储备；

在步骤2中：关键状态量的冷却能力储备量化模型为：

P_c＝1-P_x/P_e

式中：中P_c为换流阀冷却能力储备，P_x为换流阀冷却负载，P_e定值为冷却系统额定冷却容量；

通过关键状态量监测值判断阀冷系统冷却能力为：当关键状态量的监测值超过监测阈值，或，关键状态量的变化率超过变化率阈值，则阀冷系统冷却能力判断为不足；反之，则阀冷系统冷却能力判断为足够；

在步骤3中：冷却塔风机冷却能力裕度量化模型为：

式中：

L为直流运行功率，L_max为最大运行功率，T_tep为当前环境温度，T_tep-max为最大环境温度，u₁,...u_n表示n台风机运行状态，取值为0或者1，P_e1,...P_en表示n台风机额定功率，P_e为所有风机额定功率之和，P₁,...P_n表示n台风机运行功率，运行功率为0时，表示风机未投运；

主循环泵冷却能力裕度量化模型为：

式中：

L为直流运行功率，L_max为最大运行功率，T_tep为当前环境温度，T_tep-max为最大环境温度，v₁,...v_n表示n台水泵运行状态，取值为0或者1，P_Be1,...P_Ben表示n台水泵额定功率，P_Be为所有水泵额定功率之和，P_B1,...P_Bn表示n台水泵运行功率，运行功率为0时，表示水泵未投运；

综合评估换流阀冷却系统冷却能力储备：

y＝w₁×y₁+...+w_k×y_k

式中，y₁…y_k为各个评估指标计算结果，w₁…w_k为不同评估指标的权重，k为冷却能力储备评估指标标识；

利用熵值法确定不同评估指标的权重：

第j个冷却能力储备评估量下z时刻监测数据所占比重为：

式中：l表示不同时刻阀冷系统监测状态量的样本数量，y_zj为储备容量评估结果值，y'_zj为第j个冷却能力储备评估量下z时刻监测数据所占比重；

第j个特征参数的熵权E_j可表示为：

指标j权重为：

不同评估指标的权重为：W＝[w₁,w₂,...w_k]。

2.根据权利要求1所述的换流阀冷却能力多维度分析预警方法，其特征在于，在步骤1中：所述换流阀冷却系统包括内冷水系统、主循环泵、膨胀水箱、冷却塔、外冷水系统、运行环境；所述换流阀冷却系统的状态量包括：

内冷水系统的的入水温度、出水温度、进阀压力、内冷水电导率；

主循环泵的运行功率、内冷水流量、出水压力；

膨胀水箱的水位；

冷却塔的风机功率；

外冷水系统的外冷水水池水位和外冷水电导率；

运行环境的阀厅温度和阀厅湿度；

其中，所述关键状态量包括内冷水系统的入水温度、膨胀水箱的水位和内冷水电导率。

3.根据权利要求1所述的换流阀冷却能力多维度分析预警方法，其特征在于，在步骤1和步骤2之间还包括：当以下三种判据的至少一条判定为异常时，输出预先预警信号；

判据一：当不同阀组的运行功率和入水温度之间的相关性小于相关性阈值δ₁，或，当不同阀组之间的入水温度差值的绝对值大于差值阈值δ₂，则入水温度判断为异常；

判据二：当膨胀水箱的双极水位偏差的绝对值大于水位差阈值δ₃，则膨胀水箱的水位判断为异常；

判据三：当内冷水导电率的相邻时刻的监测值的差值累加之和大于累加和阈值δ₄，或，当内冷水导电率当前时刻值与内冷水导电率的均值之差的绝对值大于内冷水导电率的标准差σ的常数倍，则内冷水导电率异常。

4.一种利用权利要求1所述的换流阀冷却能力多维度分析预警方法的系统，其特征在于，包括：人机交互装置、中央处理器、数据采集模块，所述中央处理器包括第一评估处理模块和第二评估处理模块；

所述数据采集模块用于获取换流阀冷却系统的状态量监测值，并通过数据采集接口传输到所述中央处理器；

所述第一评估处理模块用于根据获取的状态量监测值，建立关键状态量的冷却能力储备量化模型，通过关键状态量监测值判断阀冷系统冷却能力，若阀冷系统冷却能力足够，则将关键状态量的冷却能力储备量化模型计算获得的数据传输到第二评估处理模块，若阀冷系统冷却能力不足，则通过所述人机交互装置输出预警信号；

所述第二评估处理模块用于根据获取的状态量监测值，建立冷却塔风机和主循环泵冷却能力裕度量化模型；根据接收到的关键状态量的冷却能力储备量化模型计算获得的数据，结合冷却塔风机和主循环泵冷却能力裕度量化模型计算获得的数据，综合评估换流阀冷却系统冷却能力储备；

所述人机交互装置用于显示所述中央处理器处理后的综合评估结果以及输出相应的预警信号。

5.根据权利要求4所述的系统，其特征在于，所述换流阀冷却系统包括内冷水系统、主循环泵、膨胀水箱、冷却塔、外冷水系统、运行环境；所述换流阀冷却系统的状态量包括：

内冷水系统的的入水温度、出水温度、进阀压力、内冷水电导率；

主循环泵的运行功率、内冷水流量、出水压力；

膨胀水箱的水位；

冷却塔的风机功率；

外冷水系统的外冷水水池水位和外冷水电导率；

运行环境的阀厅温度和阀厅湿度；

其中，所述关键状态量包括内冷水系统的入水温度、膨胀水箱的水位和内冷水电导率。

6.根据权利要求4所述的系统，其特征在于，关键状态量的冷却能力储备量化模型为：

P_c＝1-P_x/P_e

式中：中P_c为换流阀冷却能力储备，P_x为换流阀冷却负载，P_e定值为冷却系统额定冷却容量；

通过关键状态量监测值判断阀冷系统冷却能力为：当关键状态量的监测值超过监测阈值，或，关键状态量的变化率超过变化率阈值，则阀冷系统冷却能力判断为不足；反之，则阀冷系统冷却能力判断为足够。

7.根据权利要求4所述的系统，其特征在于，冷却塔风机冷却能力裕度量化模型为：

式中：

L为直流运行功率，L_max为最大运行功率，T_tep为当前环境温度，T_tep-max为最大环境温度，u₁,...u_n表示n台风机运行状态，取值为0或者1，P_e1,...P_en表示n台风机额定功率，P_e为所有风机额定功率之和，P₁,...P_n表示n台风机运行功率，运行功率为0时，表示风机未投运；

主循环泵冷却能力裕度量化模型为：

式中：

L为直流运行功率，L_max为最大运行功率，T_tep为当前环境温度，T_tep-max为最大环境温度，v₁,...v_n表示n台水泵运行状态，取值为0或者1，P_Be1,...P_Ben表示n台水泵额定功率，P_Be为所有水泵额定功率之和，P_B1,...P_Bn表示n台水泵运行功率，运行功率为0时，表示水泵未投运；

综合评估换流阀冷却系统冷却能力储备：

y＝w₁×y₁+...+w_k×y_k

式中，y₁…y_k为各个评估指标计算结果，w₁…w_k为不同评估指标的权重，k为冷却能力储备评估指标标识；

利用熵值法确定不同评估指标的权重：

第j个冷却能力储备评估量下z时刻监测数据所占比重为：

式中：l表示不同时刻阀冷系统监测状态量的样本数量，y_zj为储备容量评估结果值，y'_zj为第j个冷却能力储备评估量下z时刻监测数据所占比重；

第j个特征参数的熵权E_j可表示为：

指标j权重为：

不同评估指标的权重为：W＝[w₁,w₂,...w_k]。

8.根据权利要求5所述的系统，其特征在于，所述中央处理器还包括有预先评估处理模块，所述预先评估处理模块用于接收获取的状态量监测值，根据以下判据判断关键状态量是否出现异常，当以下三种判据的至少一条判定为异常时，通过人机交互装置输出预先预警信号；

判据一：当不同阀组的运行功率和入水温度之间的相关性小于相关性阈值δ₁，或，当不同阀组之间的入水温度差值的绝对值大于差值阈值δ₂，则入水温度判断为异常；

判据二：当膨胀水箱的双极水位偏差的绝对值大于水位差阈值δ₃，则膨胀水箱的水位判断为异常；

判据三：当内冷水导电率的相邻时刻的监测值的差值累加之和大于累加和阈值δ₄，或，当内冷水导电率当前时刻值与内冷水导电率的均值之差的绝对值大于内冷水导电率的标准差σ的常数倍，则内冷水导电率异常。

Images